正規表現で いくつかの文字列以外 にマッチさせるためには？

Question

閉じタグが必要なのに閉じタグが無いものを探そうとしています。
※loadHTMLを利用しているので<iframe></iframe>などは必ず <iframe /> という空要素になります。
http://php.net/manual/ja/domdocument.loadhtml.php

<iframe>などは次に続く要素を取り込んで(?)しまい、正しく表示されなくなります。 そこで非空要素タグで <xxxx />となっているものを正規表現で見つけようとしています。

空要素の空要素タグは下記の方法で見つけることができました。

preg_match_all("/<(area|base|colgroup|col|command|embed|hr|img|input|keygen|link|menuitem|meta|pram|source|track|wbr)[^>]*\/>/s",$str,$matches);

しかし、目的となる「非空要素で空要素となっているタグ」を見つける方法がわかりません。下記のような正規表現を作りましたがヒットしませんでした。

preg_match_all("/<[^(area|base|colgroup|col|command|embed|hr|img|input|keygen|link|menuitem|meta|pram|source|track|wbr)][^>]*\/>/s",$str,$matches);

発見後は、閉じタグを追加するように書き換える予定です。

よろしくお願いします。

Answer 1

hirohiro様が殆ど答えを出していますが・・・

$r = array();
preg_match_all("/<(?!area|base|colgroup|col|command|embed|hr|img|input|keygen|link|menuitem|meta|pram|source|track|wbr)[^>]*\/>/s",$str,$matches,PREG_SET_ORDER);
foreach($matches as $v) {
	$r[] = $v[0];
}

これで$rに非空要素で空要素となっているタグが入ってくる…はずです。一応動作検証済ですが（汗

Comments

[退会済みユーザー]

コードありがとうございます。このまま動作させることができました。
PREG_SET_ORDER という引数があったんですね。これ便利です。

Answer 2

<[^(base)]* />この記述は「b」も「a」も「s」も「e」も含まないタグといった解釈をされそうに思います。
候補に「img」や「link」があるのでiframeも除外されているものと思います。
否定は面倒なので、非空要素のリストを作成したほうが簡単かもしれません。

ライブラリ次第で動作したりしなかったりするかも知れませんが、否定を使うなら次のような感じでいけるかも知れません。
<(?!base|hr)[^>]*?/>
※phpのライブラリは否定の先読みって動作しましたっけ？

Comments

[退会済みユーザー]

ありがとうございます。phpは 否定先読み が可能でした。
http://php.net/manual/ja/regexp.reference.assertions.php
正規表現は奥深いですね。